background preloader

Analyse factorielle

Facebook Twitter

ADL - Analyse discriminante linéaire. Un article de Wikipédia, l'encyclopédie libre.

ADL - Analyse discriminante linéaire

L’analyse discriminante linéaire fait partie des techniques d’analyse discriminante prédictive. Il s’agit d’expliquer et de prédire l’appartenance d’un individu à une classe (groupe) prédéfinie à partir de ses caractéristiques mesurées à l’aide de variables prédictives. Dans l’exemple de l'article Analyse discriminante, le fichier Flea Beetles, l’objectif est de déterminer l’appartenance de puces à telle ou telle espèce à partir de la largeur et de l’angle de son édéage (partie des organes génitaux mâles de l'insecte.)

La variable à prédire est forcément catégorielle (discrète), elle possède 3 modalités dans notre exemple. Les variables prédictives sont a priori toutes continues. L’analyse discriminante linéaire peut être comparée aux méthodes supervisées développées en apprentissage automatique et à la régression logistique développée en statistique. Hypothèses et Formules[modifier | modifier le code] Nous disposons d’un échantillon de Notons. ACP - Analyse en composantes principales. Un article de Wikipédia, l'encyclopédie libre.

ACP - Analyse en composantes principales

Pour les articles homonymes, voir ACP. L’analyse factorielle en composantes principales. Sauvegarder les scores factoriels dans SPSS Niveau de mesure: ll importe tout d'abord de signaler que cette méthode s'applique à des variables considérées comme continues ou, techniquement, comme des variables d'intervalle.

L’analyse factorielle en composantes principales

Souvent, les réponses à un questionnaire sur des échelles de type Likert (par exemple avec des options "pas du tout" à "tout à fait" avec réponses intermédiaires) peuvent être considérées comme telles. En revanche, pour les variables nominales, une autre technique d'analyse factorielle est disponible: l'analyse factorielle des correspondances.But : Cette méthode a généralement deux fonctions distinctes. Acp afc exercices corriges pdf - PDF ACP AFC EXERCICES CORRIGES. AFC - Analyse factorielle des correspondances. Un article de Wikipédia, l'encyclopédie libre.

AFC - Analyse factorielle des correspondances

Pour les articles homonymes, voir AFC. L'analyse factorielle des correspondances, en abrégée AFC, est une méthode statistique d'analyse des données mise au point par Jean-Paul Benzecri alors professeur à la faculté des sciences de Rennes[1]. Par la suite, il fut professeur à l'Université Pierre-et-Marie-Curie à Paris (ISUP et Laboratoire de statistique multidimensionnelle). Introduction[modifier | modifier le code] Dit grossièrement, une méthode AFC admet en entrée un "tableau croisé dynamique", et produit en sortie une ou plusieurs cartes ou images de répartition des valeurs et des variables.

La technique de l'AFC est essentiellement utilisée pour de grands tableaux de données toutes comparables entre elles (si possible exprimées toutes dans la même unité, comme une monnaie, une dimension, une fréquence ou toute autre grandeur mesurable). Principe[modifier | modifier le code] Exemple d'application[modifier | modifier le code] On note . . K-médoïdes. Un article de Wikipédia, l'encyclopédie libre.

K-médoïdes

En statistiques, un médoïde[1] est le représentant le plus central d'une classe. L'algorithme des k-medoids (k-médoïdes) est un algorithme de partitionnement plus robuste vis-à-vis les données aberrantes (outliers) que celui des k-means (k-moyennes). Algorithme[modifier | modifier le code] Comme les k-moyennes, l'algorithme des k-médoïdes minimise l'erreur quadratique moyenne qui est la distance entre les points de la classe et le point central (ou médoïde). Analyse discriminante. Un article de Wikipédia, l'encyclopédie libre.

Analyse discriminante

L’analyse factorielle discriminante ou analyse discriminante est une technique statistique qui vise à décrire, expliquer et prédire l’appartenance à des groupes prédéfinis (classes, modalités de la variable à prédire, …) d’un ensemble d’observations (individus, exemples, …) à partir d’une série de variables prédictives (descripteurs, variables exogènes, …). L’analyse discriminante est utilisée dans de nombreux domaines : En médecine, par exemple pour détecter les groupes à hauts risques cardiaques à partir de caractéristiques telles que l’alimentation, le fait de fumer ou pas, les antécédents familiaux, etc.Dans le domaine bancaire, lorsque l’on veut évaluer la fiabilité d’un demandeur de crédit à partir de ses revenus, du nombre de personnes à charge, des encours de crédits qu’il détient, etc.En biologie, lorsque l’on veut affecter un objet à sa famille d’appartenance à partir de ses caractéristiques physiques.

Observations décrites par . . ACM - Analyse des correspondances multiples. Un article de Wikipédia, l'encyclopédie libre.

ACM - Analyse des correspondances multiples

Pour les articles homonymes, voir ACM. Analyse en composantes indépendantes. Un article de Wikipédia, l'encyclopédie libre.

Analyse en composantes indépendantes

Pour les articles homonymes, voir ACI. L'analyse en composantes indépendantes est une méthode d'analyse des données (voir aussi Exploration de données) qui relève des statistiques, des réseaux de neurones et du traitement du signal. Elle est notoirement et historiquement connue en tant que méthode de séparation aveugle de source mais est aujourd'hui appliquée à divers problèmes.

Historique[modifier | modifier le code] La première formulation du problème a été effectuée en 1984 par des chercheurs en neurosciences et traitement du signal pour modéliser biologiquement le codage du mouvement[1],[2]. La recherche dans ce domaine devint très active à partir des années 1990 et des chercheurs du monde entier s'intéressèrent au problème.